XiaoMi-AI文件搜索系统
World File Search Systemsurprise
神经适应驾驶舱中的自动化惊喜
背景。操作飞机是多维且复杂的。飞行员必须“飞行、导航、通信”——保持空中飞行、管理飞机航线并与空中交通管制部门通话。为了方便完成这些任务，驾驶舱引入了自动化（Billings，1997 年）。当这种自动化发生故障时，后果充其量是令人讨厌的，最坏的情况是危及生命（Endsley & Kiris，1995 年）。自动化中的错误可能会令人惊讶和分心，从而导致自动化意外（Boer & Dekker，2017 年）。这些可能会导致飞行员感到困惑，进而导致人为错误，这是航空事故的主要原因（Lyssakov，2019 年）。识别这种混淆及其原因可能会改善人机交互 (Dehais 等人，2015)。在之前的一项研究中 (Krol 等人，2018)，我们表明可以通过脑电图 (EEG；Berger，1929) 记录飞行员对飞行相关事件的认知反应，使用被动脑机接口 (pBCI；Zander & Kothe，2011) 确定不同级别的事件关键性并实时将解释报告回驾驶舱。此程序可用于使驾驶舱适应飞行员的认知，从而形成神经自适应驾驶舱 (Krol 等人，即将出版)。在本研究中，我们开发了一个更具体的分类器，可以可靠地检测飞行员对意外和/或错误的飞行相关事件的认知反应，这些事件对于持续操作飞机至关重要。方法。记录了 13 名试飞员（均为男性）的脑电图活动和眼球运动，年龄 44-62 岁（平均 54 岁），飞行经验 7210 ± 4809 小时。我们在两部分实验中使用了 32 通道移动无线脑电图系统 1 和双目眼球追踪眼镜 2。在第一部分中，参与的飞行员进行了 10 个新设计的训练范例。我们打算针对意外事件（S 分类器）、错误事件（E 分类器）以及意外和错误事件（AS 分类器）校准不同的分类器，以对应可能的自动化意外。因此，我们设计了一种训练范式组合，即交互奇特范式。该范式由 2 个独立部分组成，分类器在结果数据的不同部分上进行训练。为了唤起与意外和/或错误相对应的认知状态，我们模拟了一个计算机程序，需要教它何时计数音调以及何时忽略它。在 10 个块中的每个块中呈现 50 个音调序列。每个音调可以是标准音调（概率 70%-80%）、非目标音调（概率 10%-15%）或目标音调（概率 10%-15%）。这代表了一个标准的奇特范例（Friedman 等人，2001 年）。研究发现，目标音调会引起参与者的惊讶（Squires 等人，1975 年）。指示参与者在每个音调之后口头说明它是目标音调（“是”）还是不是目标音调（“否”）。然后计算机给出声音反馈：“计数”或“忽略”。由于语音识别是（参与者不知道）模拟的，因此反馈与参与者的评估无关。这使我们能够控制反馈中发生的错误数量。在前 7 个区块中，不一致反馈的概率为 14%-18%，即计算机在“是”后回答“忽略”，或在“否”后回答“计数”。这对应于罕见的、令人惊讶的错误。在最后 3 个区块中，不一致概率为 38-40%，对应于频繁的错误。
大脑中的惊奇和新奇 - 信息科学
摘要 惊讶和新颖的概念已在多个大脑区域和物种的各种实验和理论研究中使用。然而，“惊讶”和“新颖”在不同的研究中指的是不同的量，这引发了人们对这些研究是否确实与大脑中的相同功能和机制有关的担忧。在这里，我们通过系统地研究惊讶和新颖的不同方面如何与不同的大脑功能和生理信号相关来解决这些问题。我们回顾了最近对惊讶和新颖性提出的定义的分类以及与实验观察的联系。我们表明，计算建模和可量化的定义可以对以前的发现进行新颖的解释，并为未来的理论和实验研究奠定基础。
惊喜定义的分类学-Infoscience
令人惊讶的事件触发了可衡量的大脑活动，并通过影响学习，记忆和决策来影响人类行为。当前，关于惊喜的定义尚无共识。在这里，我们在统一框架中确定了18个惊喜的数学定义。我们首先根据对代理人的信念的依赖，展示它们如何相互联系，并在什么条件下证明它们是无法区分的，将这些定义的技术分类分为三组。超出了此技术分析，我们提出了一个惊喜定义的分类法，并根据它们衡量的数量将它们分为四个概念类别：（i）“预测惊喜”衡量预测与观察之间的不匹配； （ii）“变更点检测惊喜”衡量了环境变化的可能性； （iii）“信心校正的惊喜”明确说明了信心的影响； （iv）“信息获得惊喜”衡量了对新观察的信念更新。分类学为大脑中功能作用和生理特征的原则研究奠定了基础。©2022作者。由Elsevier Inc.出版这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
来自惊喜最小化的集体行为
集体运动本质上是普遍存在的；诸如鱼类，鸟类和无蹄类动物之类的动物群体似乎整体运动，展现出丰富的行为曲目，从定向运动到铣削到无序的蜂拥而至。通常，这种宏观模式是由组成部分之间的分散局部互动引起的（例如，在学校中的个人鱼）。这一过程的杰出模型将个体描述为自构的颗粒，受自我生成的运动和“社会力量”，例如短期排斥和远距离吸引力或一致性。但是，生物不是颗粒。他们是概率的决策者。在这里，我们介绍了一种基于主动推断的集体行为进行建模的方法。这个认知框架是单一势在必行的结果：最大程度地减少惊喜。我们证明，许多经验上观察到的集体现象，包括凝聚力，铣削和定向运动，在考虑主动贝叶斯推论所驱动的行为时自然出现，而没有明确的行为规则或目标在单个主体中构建行为规则。此外，我们表明积极推论可以恢复和推广社会力量的经典概念，因为试图抑制与他们的期望相结合的预测错误。通过探索基于信念的模型的参数空间，我们揭示了各个信念与群体属性（如极化）和访问不同集体状态的趋势之间的非平凡关系。我们还探讨了个人对不确定性的信念如何决定集体决策的准确性。最后，我们展示了代理如何随着时间的推移更新其生成模型，从而导致对外部爆发更敏感的组，并更加牢固地编码信息。
综合惊喜是迷幻经历的基础
charit'e-Universit - 柏林的Atsmedizin，柏林弗里伊大学的公司成员 - 柏林的洪堡大学和柏林卫生研究院，神经科学研究中心，柏林10117，德国柏林，德国B ber b b德国神经疾病中心（德国）神经疾病（Dzne）berit berit，berit，berit，101111111111111111111111111111111117柏林Atsmedizin，柏林弗里大学（Freie Universit）的公司成员 - 柏林洪堡大学 - 柏林和爱因斯坦神经科学中心柏林卫生研究所健康，卓越神经集群，10117德国柏林E Humboldt-Universit - 伯恩斯坦计算神经科学中心的Zu柏林，菲利普斯特斯特。13，10115柏林，德国
评估可能令飞行员感到惊吓和意外的情景
本演示文稿由 Scholarly Commons 会议免费提供给您，供您免费访问。它已被 Scholarly Commons 的授权管理员接受，并被纳入国家训练飞机研讨会 (NTAS)。如需更多信息，请联系 commons@erau.edu。
意外反应是压缩记忆状态的探测
近期记忆容量有限，不可避免地会导致对过去刺激的部分记忆。还有证据表明，对新奇或罕见刺激的行为和神经反应取决于一个人对过去刺激的记忆。因此，这些反应可以作为不同个体记忆和遗忘特征的探测。在这里，我们利用了两种固有涉及遗忘的刺激序列有损压缩模型，这不仅在许多情况下是必需的，而且具有理论和行为优势。一个模型基于一个简单的刺激计数器，另一个模型基于信息瓶颈 (IB) 框架，该框架为生物和认知现象提出了一个更普遍、理论上合理的原理。这些模型用于分析通常称为 P300 的新奇检测事件相关电位。在听觉奇异范式中记录的 P300 反应的逐次试验变化都经过每个模型的测试，以提取每个受试者的两个刺激压缩参数：记忆长度和表征准确性。然后利用这些参数估计受试者在任务条件下的近期记忆容量极限。结果以及最近发表的关于单个神经元和 IB 模型的研究结果强调了如何利用有损压缩框架来解释不同空间尺度和不同个体的神经反应的逐次变化，同时使用基于理论的简约模型提供不同表征水平的个体记忆特征估计值。
意外、情报失误和造成大规模伤亡的恐怖主义
前言 我要感谢委员会成员在整个写作过程中提供的建议和指导。Phil Williams 博士一直是我忠实的导师和朋友，如果没有他的指导、耐心和幽默，我永远也完成不了这本书。我要感谢 Davis Bobrow 博士的批评和明智建议；感谢 Don Goldstein 博士给予我的持续支持和鼓励；感谢 Dennis Gormley 分享他丰富的经验和见解。我还要感谢一些重要的人，他们提高并塑造了我在情报和反恐方面的通识教育：Javad Sedehi；Gary Langlie；Jim Vaules；Ken deGraffenreid；Mike Waller；John Lenczowski；David Thomas；John Wobensmith；Gene Poteat；Ritchie Martinez；Robert Steele；Bob Heibel；Ben Bell；Steve Edwards；John King；Peter Probst；Ray Batvinis；以及来自移民局、联邦调查局、缉毒局、HIDTA、加拿大皇家骑警和苏格兰场的政府情报和执法官员，我有幸与他们见过或共事过。特别感谢 Bob Ricks、Herb Williams、Mark Potok、Joe Roy 和 Peter Probst 允许我采访他们。俄克拉荷马城预防恐怖主义纪念研究所图书馆馆长 Brad Robison 以及南方贫困法律中心的 Heidi Beirich 和工作人员为我提供了大量的研究帮助。我非常感谢日内瓦学院的 Miriam Fairfield 的参考和指导
EEG 和 MEG 数据中的意外大脑特征
。CC-BY 4.0 国际许可（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2020 年 1 月 6 日发布。；https://doi.org/10.1101/2020.01.06.895664 doi：bioRxiv 预印本
中国的意外举动导致科技股暴跌
有消息称，中国人工智能公司 DeepSeek 的性能可以与美国竞争对手相媲美，同时所需的处理能力和能耗更低，这一消息导致美国市场上人工智能相关股票遭到抛售。投资者担心，美国科技公司计划在高端芯片和相关基础设施上投入大量资金，但这可能没有必要。结果，许多人工智能相关股票的百分比跌幅达到两位数。美国市场市值蒸发 1 万亿美元，其中一半以上是由高端芯片设计公司英伟达贡献的。由于预计数据中心电力需求可能会减少，能源公用事业公司的股价也下跌。投资者寻求美国政府债券作为避险资产。尽管科技股为主的标准普尔 500 指数和纳斯达克指数等股市指数本周收盘走低，但受强劲的企业盈利结果和科技巨头乐观前景的支撑，市场人气有所恢复。